缺失非随机有序独立变量下的灵敏度分析方法
统计方法学
2025-07-01 v1 应用统计
摘要
数据分析常常遇到缺失数据，尤其是在处理有序变量时，可能导致结论不准确。在创伤数据中，谢福潘意识水平评估量表（Glasgow Coma Scale）用于评估患者意识程度。该评分在患者到达医院时被插管、镇静或无头部损伤且无正常反应性时常常缺失，表明存在缺失非随机（Missing Not At Random, MNAR）机制。MNAR 的问题在于缺乏确定性分析方法。虽然灵敏度分析常被推荐，但实际限制有时仅限于在完全随机（Missing Completely At Random, MCAR）和随机缺失（Missing At Random, MAR）假设下的结果进行基本比较，忽略了 MNAR 的可行性。我们的目标是提出一种面向 MNAR 有序独立变量的灵活且易于使用的灵敏度分析方法。该方法灵感来自 Leurent 等人（2018）提出的针对连续响应变量的灵敏度分析方法。我们将其扩展至独立有序变量。该方法先在模拟数据上进行评估，再应用于 2013 年 4 月至 2018 年 3 月的加拿大全国创伤数据。模拟结果表明，MNAR 估计的偏误小于 MAR 估计，精度优于完全案例分析（CC）估计。置信区间覆盖率在 MNAR 估计中相对更好，优于 CC 和 MAR 估计。在实际应用中，发现谢福潘意识水平评估量表在 MNAR 假设下具有显著性，而在 MCAR 和 MAR 假设下则不显著。
关键词
引用
@article{arxiv.2506.24025,
title = {Sensitivity analysis method in the presence of a missing not at random ordinal independent variable},
author = {Abdoulaye Dioni and Alexandre Bureau and Lynne Moore and Aida Eslami},
journal= {arXiv preprint arXiv:2506.24025},
year = {2025}
}